Polars-ST 空间数据处理库入门指南

什么是 Polars-ST

Polars-ST 是一个基于 Polars 的空间数据处理扩展库，它为 Polars 的数据结构（包括表达式、Series、DataFrame 和 LazyFrame）添加了丰富的空间数据处理能力。该库通过 st 命名空间提供了一系列几何操作函数，使得在 Polars 生态中进行空间数据分析变得简单高效。

安装方法

安装 Polars-ST 非常简单，只需使用 pip 命令：

pip install polars-st

基础使用

创建空间数据

Polars-ST 支持从多种格式创建空间数据。以下是一个从 WKT（Well-Known Text）格式创建 GeoDataFrame 的示例：

import polars_st as st

# 从WKT字符串创建GeoDataFrame
gdf = st.GeoDataFrame({
    "geometry": [
        "POLYGON ((0 0, 0 1, 1 1, 1 0, 0 0))",
        "POLYGON ((0 0, 0 1, 1 1, 0 0))",
    ]
})

在底层，GeoDataFrame 构造函数会自动将这些 WKT 格式的几何对象解析为 EWKB（Extended Well-Known Binary）内部表示形式。除了 WKT，Polars-ST 还支持多种其他格式的空间数据输入。

从已有 Series 创建

如果你已经有一个包含空间数据的 Polars Series，可以直接使用解析函数：

import polars as pl

s = pl.Series(["POLYGON ((0 0, 0 1, 1 1, 1 0, 0 0))", 
               "POLYGON ((0 0, 0 1, 1 1, 0 0))"])
gdf = pl.select(geometry=st.from_wkt(s))

执行空间操作

Polars-ST 提供了丰富的空间操作函数，例如计算多边形面积：

# 计算几何列的面积
area = gdf.select(st.geom("geometry").st.area())

核心概念解析

GeoDataFrame 的本质

需要特别注意的是，Polars-ST 中的 GeoDataFrame 构造函数实际上返回的是一个标准的 Polars DataFrame，只是添加了空间数据处理的能力。这意味着你可以无缝地将 Polars-ST 的功能与 Polars 的其他功能结合使用。

st.geom 的妙用

st.geom() 是 Polars-ST 提供的一个实用函数，类似于 Polars 的 pl.col()，但专门用于处理几何列。它有以下特点：

1. 类型支持：返回的是带有 st 命名空间类型注解的 GeoExpr，便于类型检查和代码补全
2. 智能默认：当几何列名为默认的 "geometry" 时，可以省略列名参数
3. 简化语法：对于单几何操作，可以直接调用函数而无需先获取几何列

# 简化写法1：省略列名
area = gdf.select(st.geom().st.area())

# 简化写法2：直接调用面积函数
area = gdf.select(st.area())

为什么选择 Polars-ST

1. 性能优势：基于 Polars 的高性能数据处理引擎
2. 易用性：提供简洁的 API 和智能默认值
3. 类型安全：完善的类型注解支持
4. 无缝集成：与 Polars 生态完美融合

总结

Polars-ST 为 Polars 用户提供了强大而便捷的空间数据处理能力。通过本文的介绍，你应该已经掌握了如何安装 Polars-ST、创建空间数据以及执行基本的空间操作。这个库特别适合需要在数据分析和空间计算之间无缝切换的场景，是地理空间数据分析的有力工具。